🎙 مدل VibeVoice: مدل تازه‌ی مایکروسافت برای تبدیل متن به گفتار (TTS)

مایکروسافت یک مدل جدید به نام VibeVoice معرفی کرده که تمرکز آن روی گفت‌وگوهای طولانی با چندین گوینده است.

🔹 مشخصات کلیدی:

💡 1.5 میلیارد پارامتر
📜 مجوز MIT (کاملاً آزاد برای استفاده و توسعه)
🕒 تولید صدا تا ۹۰ دقیقه مداوم
👥 پشتیبانی از ۴ گوینده همزمان (مثل پادکست‌ها)
🎭 بیان قوی با احساسات طبیعی


🔹 چه چیزی حل می‌کند؟

♻️مشکل مقیاس‌پذیری و طولانی بودن گفتگوها
♻️حفظ یکنواختی و هویت هر گوینده
♻️رعایت طبیعی بودن نوبت‌گیری در مکالمه


📌 منابع و دموی آنلاین:
🔗 صفحه پروژه
🔗 دمو در Gradio

این یعنی آینده‌ی پادکست‌ها، کتاب‌های صوتی و دستیارهای هوش مصنوعی چندنفره به شدت واقعی‌تر و شنیدنی‌تر خواهد شد 🎧

#هوش_مصنوعی #TTS #VibeVoice #Microsoft #AI_Voice

@rss_ai_ir